Friendly reminder: завтра в 12.00 в Алматы говорим про то, как AI трансформирует профессии и чему нам надо научиться, чтобы не бояться этого, а «возглавить»

Регистрируемся тут

Кейс за B2C

Я часто советую строить AI для B2B, вот тут детально расписывал. Но вчера размышлял над этой статой, что сотрудники втихаря пользуются chatGPT и внезапно подумал: а может это opportunity для эдакого b2c?

Разрабатывать продукты для, условного, сотрудника отдела поддержки, вручную рассматривающего справки о болезни, чтобы принять решение о возврате денег за билет, но продавать не компании, а самому сотруднику? Пусть спокойно себе втихаря юзает, а вам денюжку отстегивает. И геморроя с внедрением меньше, и такой партизанский заход.

Ну и вдогонку можно потом отслеживать домен/ip, и когда достаточное количество людей в одной компании юзает, то выходить на IT отдел и продавать уже корпоративный пакет.

Мы точно попробуем эту тактику в onsa, поделюсь потом результатами.

AI в продажах (англ)

В понедельник провели первое из серии мероприятий про AI в продажах - сначала я рассказал про наше видение уровней автономии sales организаций, как приоритизировать внедрение AI в своей компании, какие быстрые победы возможны. А потом с Abhinav Kumar, Chief of Staff, Alma - одного из наших клиентов - мы обсудили его видение этого вопроса и как onsa.ai помогает им осуществить его.

Запись тут:
https://youtu.be/d6GPAwGED9A?si=9EgLVKDX8nC3KpTR

Презентация тут: https://docsend.com/view/ncgnbrzsc83ahnkb

О доверии

Кажется, это была 2 или 3я поездка в штаты и моя первая поездка в ЛА. Я должен был встретиться с вероятным покупателем App in the Air. Тогда сделка не срослась, но случилось сильно лучше - я приобрел Друга на долгие годы!

Я стою на пирсе на Манхеттен Бич, жду будущего Друга, а рядом фоткаются 2 девушки. Они просят меня их сфотографировать, но я с чемоданом, и я «не могу» далеко отойти от него. Одна девушка спрашивает у второй - «что это с ним?». А та ей поясняет мои опасения. Ни мне, ни первой из них не была понятна фундаментальная разница в доверии к «неизвестным другим» между США и Россией.

Вообще, есть минимум 3 типа доверия:
- межличностное: к известным другим
- обобщенное: к неизвестным другим
- институциональное: вера в институты.

Культура, в которой мы «становимся» как личности, и индивидуальный опыт сильно определяют наш уровень доверия каждого типа. Доверие снижает трансакционные издержки взаимодействия людей и бизнесов друг с другом.

Когда вы выбираете ко-фаундеров или инвесторов: оцените не только свой уровень доверия в этих плоскостях, так и уровень своих партнеров. Не потому что кто-то хороший или плохой - нет. Потому что тогда вы понимаете, с кем и чем вам придется работать, и будет меньше сюрпризов. Какова история «становления» этого человека? Как он относится к знакомым, незнакомым, и институтам?

Очень простое упражнение, которое я советую другим: провести день вместе и составить term sheet вашего партнерства. Прописать условия до важных, но «неудобных» деталей. Я обещаю вам, что этот день и этот процесс расставят все точки над i.

По моему, эти 3 категории доверия взаимовлияют друг на друга: при высоком уровне доверия к институтам, мы можем снизить уровень требований для доверия к «неизвестным другим» и легче идти на контакт. Например, оставить свой чемодан и сфотографировать девушек, потому что верю, что «полиция отработает». Вот это и есть разница между моей культурой и культурой той девушки на пирсе.

А Друга я все таки классного приобрел!

Запись вчерашней встречи по Generative AI + презентация

https://youtu.be/R5TYcdPrEnU

Friendly Reminder - сегодня в 17мск говорим о ключевых апдейтах GenAI в этом году

в veo2 сгенерировал даже видео по такому случаю - почти получилось то, что хотел :)

Friendly Reminder - сегодня в 17мск говорим о ключевых апдейтах в GenAI в этом году

в veo2 сгенерировал даже видео по такому случаю - почти получилось то, что хотел :)

Об эмоциях и созидании

Иногда я очень недоволен собой: провел всю неделю в «болтовне» и не сделал ничего, что сдвигает ключевую метрику.

В такие моменты легко впасть в петлю взаимного усиления (reinforcing feedback loop): я себя гноблю, поэтому нет настроения, поэтому ничего не делаю, чтобы сдвинуть метрику, а тупо прокрастинирую или пытаюсь «заесть или запить» проблему, что уж тем более не двигает метрику. И не дай Бог еще и заражает этим окружающих.

Самый эффективный способ - перестать себя жалеть гнобить, а начать делать. Любую маленькую вещь, которая сдвигает метрику хоть на йоту. Просто берем и делаем, и вот уже как то жизнь становится краше, и появляется ощущение если не контроля, то хотя бы влияния на происходящее. Ощущение агентности; что ты двигатель, ты потенциал. И петля выше начинает работать в противоположную сторону и выводить тебя в ресурс.

Направляйте негативные эмоции в созидание. Это, как мне кажется, их лучше «инкарнация» :-)

Об одиночестве руководителя

Самая тяжелая часть работы фаундера - одиночество. У вас нет возможности не сделать что-то важное. Вам не к кому прийти пожаловаться. Вы - пример для сотрудников, и если в какой то момент те решат, что это плохой пример, то виноваты именно вы. Даже если они выбрали следовать ему.

Вы финальная проекция, вы несете ответственность и за удачи, и за провалы. Это тяжело. Больно. И порой кажется, что несправедливо.

Поэтому, решите это выбранное одиночество - назовем его уединение - или вынужденное. Если вынужденное, то лучше этого не делать. А если выбранное - то не обесценивать, что бы ни происходило; как тяжело бы вам ни было. Потому что это ваш собственный выбор.

Вот лишь малая часть примеров из моего далекого прошлого :
1) Ваш сотрудник спустя годы обвиняет вас, что вы показывали ему плохой пример
2) Ваш клиент звонит и кроет вас матом за проступки вашей команды
3) Ваш любимый человек утверждает, что вы любите свою компанию и команду больше, чем её.

Это все пройдет. Некоторые сотрудники через пару лет поблагодарят вас за крутой опыт. Некоторые клиенты сделают вашу работу лучше, а команда оценит, что вы взяли ответственность и разбирали конюшни, а не переводили стрелки. Появится любимый человек, который не станет протиповоставлять эти вещи, и с которым вы не будете этого же делать.

Просто принимаете ответственность. И смело идёте вперед!

Обнимаю!

AI нас всех не убьет

Интересный взгляд на развитие AI в лонгриде «AI as Normal Technology»: полезно для расширения перспективы и попытки выйти из инфобабла, в котором многие из нас находятся.

Основные тезисы:
1) Внедрение AI в экономику займет десятки лет, как это было с электричеством - в тему прошлогодний пост
2) Понравилось, как они отделили методы, продукты, и их применение в жизни на индивидуальном и коллективном уровнях - см картинку в аттаче
3) ключевые барьеры: надежность, ответственность за последствия, организационные знания и умения. Классный пример про водителя траков и self driving cars
4) Люди не будут лишены работы; их работа сдвинется на контроль и управление AI - писал об этом как раз в посте этом. Нам надо учитывать это в разрабатываемых продуктах

В общем, рекомендую!

P.S. в том числе эту статью обсудим на онлайн митапе в пнд

Offtop: Как выглядят advisor meeting с Байрамом?

Самый распространенный совет в B2B продажах

Часто обсуждаем с фаундерами их sales звонки и зачастую говорю 1 совет, который кровью был написан на своем опыте:

Не начинай продажу с продажи свего продукта, начинай с понимания своего клиента

Одну ошибку, которую я совершал как фаундер в life in the air: что я начинал пушить решение, а не узнавать ситуацию. Приходишь на звонок и после small talk-а открываешь презентацию и начинаешь питчить. Чувствуешь себя уверенно, все идет по плану, ты рассказываешь что знаешь. И некоторые конвертятся в продажи, что дает тебе позитивную мотивацию так делать в следующий раз.

Только есть и те, что не конвертятся. Есть те, что почти не задают вопросов после твоего 40-мин спича. Есть те, кто не успел даже дослушать до конца. Бывают и такие, которым не понравилось, что им впаривают: "round pegs in square holes" —> со своим уставом в чужой монастырь не ходят, как говорится.

Поэтому рассматривайте первый звонок как попытку узнать ситуацию клиента, получить факты его словами, и потом уже "нанизывайте" эти факты на ваше решение (если оно, конечно, подходит). Во-первых, так вы лучше сканите рынок; во-вторых, возникает ощущение кастомизации (а это ценят в b2b), в-третьих - клиент точно успеет сказать, а вы его - послушать :)

Если не верите мне, то просто поставьте эксперимент: половину звонков делайте в режиме push (впихиваем невпихуемое), а половину - pull. И это даже нормально после 15 мин звонка, поняв ситуацию, уйти и подготовить демку под задачу, проведя повторный звонок через несколько дней.

Я не говорю, что первый подход нерезультативен —> уверен, что вы закрываете так клиентов. Я говорю, что 2й подход - эффективнее первого с точки зрения и результативности, и обучения у рынка, и экономии времени всем участникам. Весь разговор становится мягче и плавнее, вы не впариваете и спорите, а вместе разбираетесь и узнаете друг друга. Да, такие звонки более неопределенные —> это скорее джаз, чем классическая музыка.

Вот вам deep research по теме

Удачи!

Как и обещал, набрали 100+ голосов —> в понедельник 21го апреля с 17 по 19мск, бесплатно - вот регистрация

Пришло время провести очередную встречу про Generative AI (одну из прошлых можно посмотреть тут)

Поговорим обо всем, что произошло в отрасли с последней встречи 21го декабря, а произошло много чего:
1) Новые модели
2) 2025 - год AI агентов
3) Отчеты: AI 2027, AI Index Report; книга "The Scaling Era"
4) Feel --> Think --> Act
5) Agent-2-agent коммуникация или App Store для агентов
6) и многое другое

увидимся, запись потом выложу на YouTube.

Ништячки

Некоторые знают, но некоторые - нет, что для стартапов регулярно раздаются ништячки на разные сервисы и кредиты на cloud платформы (через которые, в том числе, можно бесплатно использовать LLM-ки). Очень полезно, особенно для тех, кто пилит на свои.

Перед тем, как перечислить основные программы - 2 урока, что мы вынесли из этого во времена App in the Air:

1. Не подавайтесь на кредиты слишком рано: убедитесь, что вы успеете потратить, условные, 100К за тот период, на который вам выдают кредиты. А то потом очень обидно выходит

2. Обычно, когда не платишь, то очень невнимательно относишься к ресурсам, юзаешь неэффективно, да еще и подсаживаешься на технологии/продукты, с которых потом сложно переехать на другой клауд. А ведь там тоже раздают кредиты. Поэтому внимательнее тут, не попадите в ловушку vendor lock-а

Итак, ключевые для экономии на клауде и LLMках:
1) Google for Startups - $2К —> $20K —> $100K —> $250-350K (Google модели и не только)
2) Microsoft for Startups - до $150K (можно OpenAI)
3) Amazon - $100K-300K (можно Anthropic)

Важно, что некоторые ништяки выдаются и bootstrapped стартапам, некоторые - только тем, что фондированы известными VC и акселераторами, но в личных беседах с сотрудниками этих программ порой это тоже решаемо.

Вот deep research от chatGPT и Gemini по теме, там сильно больше инфы про условия, и сильно шире список, я сам узнал о новых :)

И напоследок свежий оффер на тулзы - сейчас если у Lenny купить годовую подписку, то можно бесплатно получить на год сервисов на пару тысяч долларов (там Cursor, Lovable, Bolt, Replit, Notion, Perplexity и тп)

Надеюсь, сэкономлю этим постом вам хотя бы $1000 :)

Я несколько лет назад писал про Бейнхокера и идею применить принципы биологической эволюции к разработке продуктов. Похожую мысль озвучивал Eric Ries - стартап-дарвинизм. Недавно решил проработать эту тему в практическом русле - выкладываю запись воркшопа по этой теме, правда на английском. В конце поста саммари на русском для удобства

https://youtu.be/yXMu38WLPFE

В эту же тему мой недавний пост про асимметрию VC и фаундера и виртуальные user boards

Замутить такое же на русском, может? Ставьте 🙏 в реакциях или пишите в комментариях

Саммари:
Познакомьтесь с экспериментальным курсом для нетехнических основателей, обучающим эволюционному подходу к созданию, тестированию и проверке бизнес-идей. Узнайте, как принципы изменчивости, отбора и наследования можно применить к инновациям.

Ключевые концепции и инструменты курса:
1) Эволюционный подход: генерация, тестирование и доработка идей на основе обратной связи от рынка.
2) Использование больших языковых моделей (LLM): ускорение анализа рынка и конкурентов.
3) Business Model Canvas: систематическое создание вариаций вашей основной идеи.
4) Виртуальные пользовательские панели: получение быстрой и экономичной обратной связи с помощью симулированных пользователей на основе ИИ.
5) Генерация прототипов: превращение проверенных концепций в рабочие прототипы.

В этом видео вы увидите:
1) Практическую демонстрацию: применение метода на примере идеи приложения для цифровых кочевников (исследование, создание вариаций, получение обратной связи).
2) Демонстрацию Lovable.dev: использование no-code инструмента для создания лендингов и прототипов.
3) Уточнение требований: важность четкой спецификации продукта при работе с инструментами на основе ИИ.
4) Создание лендинга: разработку и улучшение лендинга с помощью платформы Lovable.
5) Разработку бэкенда: инструменты и подходы (Cursor, Lovable, Superbase).
6) Цели курса: создание трех MVP за три недели.
7) Фокус на рыночное тестирование: адаптация к снижению стоимости разработки ПО.
8) Стратегию портфеля: тестирование нескольких идей, вдохновленных успешными приложениями.
9) Видение будущего: автоматизация инновационного процесса.

Google Play для агентов?

Попробовал сегодня agent-2-agent протокол от Google - класс! Это то, о чем мы думали в onsa.ai (см. выдержку из внутреннего дока в конце поста) —> не удивлюсь, если google скоро сделает а-ля google play для агентов, и можно будет на лету подключать этих агентов в свои чаты. И даже платить :)

Вкратце:
1) создаешь агента на любом фреймворке: crewai, langgraph, google adk и тп
2) описываешь карточку агента
3) экспоузишь карточку в интернет
4) подключаешь агента по адресу, считывается карточка, и агенту-клиенту/оркестратору понятно, как общаться с этим агентом

Вот видео классное по теме + скриншоты, когда поднял у себя демку

"Core Architectural Principles

1) Open Agent Interface (OAI) - OpenAPI-like agent declaration
Every AI agent must expose a clear interface—think of it like an “API for AI”
Agents should be discoverable through a registry or directory, so other agents can easily learn who they are and how to interact with them.

2) Inter-Agent Autonomy & Collaboration
Agents should be designed to autonomously seek out other agents if they cannot complete a task on their own.
Agents might even “pay” or “reward” each other for services or compute resources.

3) Modular, Extensible Design
New agents must be able to plug into the ecosystem easily.
Keep interfaces stable and versioned to avoid breaking changes.
Support third-party agent integration to enrich capabilities.

4) Agent Recruiting & Handshaking
Standardize a handshake protocol so any agent can “recruit” another agent.
Include the possibility of negotiated terms (e.g., how many resources or tokens are required to complete the request).

5) Unified Task Planning & Execution
Agents should provide introspection capabilities—so they can communicate what tasks they can handle, how they handle them, and what constraints they have.

A master planning agent or orchestrator can use these declarations to build complex workflows.
"

AI User Boards

Недавно прочитал мощную статью про использование LLM в социальных экспериментах (Stanford, Princeton, Harvard и мой любимый Santa Fe) и как раз сегодня на 2м занятии курса AI Product Engineer кодили мульти-агентную систему для виртуальных user boards.

Ключевая идея: промптим LLM-ки на то, чтобы они вели себя как персоны нашего продукта, "помещаем" их в одно виртуальное пространство, и запускаем их общение с фасилитатором для обсуждения новой фичи или продукта (см выдержку из такого обсуждения).

В аттаче слайд про + и - такого подхода, но если вкратце то:
1) это не замена, а дополнение к user research; это такой пре-тест гипотез для настоящего ресерча
2) для текущих продуктов персоны можно и нужно граундить на данных из внутренних систем: метрики, тикеты в саппорте, пользовательские исследования, отзывы и тп. Для новых же - можно использовать базы а-ля persona hub. Уверен, что не каждый продакт менеджер делает такое
3) это быстро и дешево

Когда кодил систему то осознал:
1) как важно дать возможность AI персонам быть в одном контекстном поле, "слышать" ответы друг друга и "развивать мысль"
2) как важно передать управление разговором LLMке, а не жестко кодить его, чтобы дать возможность задавать уточняющие вопросы

А вы что думаете про такую тему?

AI in Action: Scaling B2B Sales with Automation and Intelligence

Join us online on April 21st for a special event where I’ll share key lessons and practical insights we’ve learned from automating sales processes with AI.

I’ll then be joined by Abhinav Kumar, Chief of Staff at Alma, for a discussion on their real-world experience integrating AI into their sales processes.

More details and registration: https://lu.ma/ntymsehf

Feel free to forward this to your colleagues and friends

Очень хороший выпуск у Lenny с CPO OpenAI Кевином Вейлом - срезонировало:
1) Продакты должны приходить с прототипами, а не спеками - писал про это тут
2) Что важно понимать, как работают LLM и как их тестировать, писать evals - тут было про это и тут
3) Проектировать продукты и фичи на опережение, с учетом темпов улучшения модели
4) Про мультиагентов и ансамбли моделей
5) Про важность агентности у продакт менеджеров, которых они нанимают в OpenAI
6) Думать о модели как о человеке - я писал про это тут и еще на днях смотрел отличнейший доклад от Anthropic о том, как проектировать агентов
7) Он повторил свою controversial мысль о том, что чат - это лучший интерфейс для человека

Если лень смотреть, то попросил дружбана выделить ключевые идеи

Рекомендую!

как вам видео-генерация с veo 2?

хотел сделать мини-ролик про эволюцию от идеи к приложению на телефоне, это zero shot, просто написал так:

a time lapse video an idea evolving from a sketch on a paper through design, then coding, into a final mobile app in the hands of creator

P.S. Sora нервно курит в сторонке, я уже показывал рейтинг в презентации тут

На днях был в гостях у NoML сообщества и де факто рассказал первую часть вот этой презентации - enjoy!

https://www.youtube.com/live/71J-mmTzVUM?si=SRUw-noOAAENRxB9

P.S. ну и last call на курс - нас уже собралось 40!

AI Growth Sprint: Scale Your B2B AI Startup in the US Market

If you're leading a B2B AI startup targeting the US market, this is for you (thus this post is in English).

After successfully helping numerous startups scale their sales and go-to-market strategies, I've created a dedicated, focused program called the AI Growth Sprint.

Here's what one of our customers says about working with onsa.ai:
“onsa.ai completely transformed our outbound sales! It delivers high-quality prospects that actually convert. The ROI is incredible, and it's a channel we can easily scale. An absolute game-changer for our company!”

– Aizada Marat, CEO & Founder, Alma

About the AI Growth Sprint
This is an exclusive opportunity for just 10 founders or GTM leaders. I'll personally work with you, acting as your fractional Head of Sales, alongside powerful sales automation tools from onsa.ai.

Together, we will:
1) Develop your sales strategy
2) Refine your pitch and sales materials
3) Practice and perfect your sales meetings (with direct feedback from me and the onsa.ai AI sales coach)
4) Plan and execute targeted lead-generation campaigns
5) Analyze your results and refine your sales approach accordingly

Who should apply:
- Founders or GTM leaders of B2B AI startups focused on the US market
- Startups with at least 3 paying customers
- Individuals ready to commit a minimum of 20 hours per week personally

Application process:
Before acceptance, you'll have a simulated sales meeting with me to demonstrate your current approach.

Interested? Message me here or email me at bayram@empatika.com

See attached PDF for more details.

"Меняют софт как перчатки"

Помню, в какой-то момент в магазинах появились одноразовые фотоаппараты и я поверить себе не мог, что это возможно. Фотоаппарат всегда мне казался достаточно дорогой штукой, и это застряло в голове. А тут можно взять, пофоткать на свадьбе друга, и утилизировать.

Про кастомный софт, который становится возможным с падением стоимости разработки и барьеров для входа, я считаю происходит та же ситуация: "олды" начинают говорить про то, что софт надо поддерживать и тд итп, и поэтому ну не будет каждая компания делать себе свой софт. Пользуясь аналогией выше, есть много юзкейсов достаточно редких, чтобы сейчас под него пилить и поддерживать софт —> вот именно для таких ситуаций мы увидим кучу tailor-made одноразового софта. И это совершенно новый рынок имхо.

А вы как считаете? Какие есть редкие edge кейсы, под которые ваш вендор либо не хочет пилить софт, либо вы даже не задумыветесь о том, чтобы искать что-то на рынке, так как это ну оооочень специфичная проблема с обьемом рынка ~ 1?

Митап в Алматы #2

26 апреля снова буду в Алматы - прошлую встречу я закончил мыслью про агентность и что наша работа сильно трансформируется. Собственно на этой встрече поговорим как раз про это, про профессию AI Product Engineer, про то, как управлять командами AI агентов и какие скиллы для этого требуются. Де факто по мотивам моего курса (кстати, до воскресенья можно присоединиться к нему)

Регистрируемся

ChatGPT постепенно формирует совершенно новую «норму» в подходах к коммуникации и UX. Я бы сравнила это с тем, как мы ориентировались на iOS Human Interface Guidelines или Material Design — с их фокусом на визуальной согласованности и понятности интерфейсов. Сегодня в центр внимания логика общения, умение понимать и адаптироваться к контексту пользователя.
По сути, GPT задаёт новый стандарт того, как продукты могут и должны общаться с людьми: более естественно, тонко и персонализированно. Это не просто о внешнем виде, а о том, как именно интерфейс взаимодействует с человеком, насколько он способен учитывать нюансы человеческого восприятия и намерений.

Например:

⚫️Сценарное мышление
Вместо однозначных инструкций — варианты действий, из которых пользователь выбирает наиболее подходящий ему путь. Пример: 1. Любой навигатор предлагает несколько маршрутов на выбор 2. Airbnb предлагает разные сценарии путешествия: романтический уикенд, деловая поездка, отпуск с детьми — каждый со своими подсказками и вариантами жилья.

⚫️Zero UI с ясной логикой
Максимально ясная логика взаимодействия при минимуме интерфейсных элементов. Пример: не обвешивать полезную информацию/целевое действие визуальным мусором.

⚫️Контекст
Обработка текущего контекста и прошлого опыта взаимодействия пользователя для создания максимально релевантного ответа. Пример: учитывать время суток и местоположение пользователя при работе сервисом.

⚫️Проактивность
Помощь ещё до того, как пользователь почувствует затруднение. Пример: предлагать варианты исправления сообщения в зависимости от того, кому он его пишет.

⚫️Разделение сложных задач
Автоматическое разделение сложных задач на понятные и простые шаги, облегчая взаимодействие. Пример: Webflow делит создание сайта на пошаговый процесс: выбор шаблона → настройка стилей → настройка взаимодействий → публикация.

⚫️Ну и копеечка от Deep Seek: Deep Thinking
Глубокое осмысление запроса и отображение процесса работы. Пример: 1. Midjourney не просто сразу выдаёт готовый результат, а показывает постепенные шаги и эволюцию создания картинки, что позволяет пользователю понять процесс работы. 2. Полезно использовать при любой долгой загрузке, когда пользователю приходится ожидать результата.

К чему это я?
Используя эти подходы, мы создаём интерфейсы, которые ощущаются как диалог с живым, понимающим собеседником. Это не просто про удобство — это про доверие, вовлечённость и настоящую человечность в цифровом опыте.

Окс, наш дизайнер, размышляет про интерфейсы (см пост ниже).

Как я писал ранее, chatGPT имеет большой mindshare у пользователей в западном мире и поэтому, мы думаем, сильно формирует ожидания пользователей от подобных продуктов. И важно изучать и ловить эти паттерны. Ну и они не чураются воровать заимствовать у Claude (канвас), DeepSeek (reasoning trace) у других

State of AI 2025

Готово очередное издание уже запомнившегося нам индекса AI от Стенфорда

Моя любимая диаграмма с падением стоимости инференса в аттаче - в 280 раз за 18 месяцев

Вот тут 10 ключевых диаграмм из отчета

Кажется, пора делать очередную state of the union встречу - ставь 💯 если да. Наберем 100 и сделаю

Answer Engine Optimization

В субботу на фаундер школе у нас была в гостях моя друг и предприниматель - Наташа Шагарина - и она высказала мысль, что при смене технологической парадигмы обычно меняется и система дистрибуции (smartphone —> mobile ads). Уже некоторое время я слышу про оптимизацию своих продуктов под chatgpt-подобные сервисы и тут узнал, что этому уже дали термин - Answer Engine Optimization.

Основная идея: контент на странице своего продукта выдавать в виде, оптимальном для LLM: вопрос-ответ, llmstxt и тп. Делюсь Deep Research от chatGPT и Gemini для интересующихся

Кстати, стало интересно: кто-то из вас уже делает это? какие результаты - например, доля трафика с assistant-ов?

UPD: подумал тут, а что если SEO для LLM - это таки MCP?

10 инстинктов Рослинга

Иногда возвращаюсь к этой методичке величайшего Ханса Рослинга про наши ошибки суждения.

Вы наверное его помните: такой «чокнутый» профессор, который всему миру показал наши заблуждения про «развивающиеся» страны. Эта методичка учит, как тренировать свой процесс размышления не делать ошибки обобщения, экстраполяции, суждения в изоляции, неучета медленных изменений и тп.

Даже зная эту методичку, ваш покорный слуга все равно грешит ими. Поэтому не будьте как я, почитайте его.

Найдите время сегодня, пересмотрите, и примерьте к любому тексту. Хотя бы к этому посту! :-)

И расскажите в комментариях, что у вас получится

1 Daily Deep Research

Попросил chatgpt каждый день мне советовать 1 идею, какой топик глубоко поресерчить с ее помощью для роста onsa.ai. Лучше любой книги и подкаста, если честно.

Рекомендую! Все больше считаю, что chatgpt не хватает проактивности. Ну или слишком дорого это. Как раз с друзьями вчера обсуждали аналогию web 1 vs web 2 и AI эволюцию: что сначала (web1) все было больше про поиск и чтение. Такой pull формат. А потом ушло в user-generated интернет и пуш (email рассылки). Вот интересно даже как будет в этом случае

AI 2027: от "спотыкающихся" агентов к ASI

Очень прикольный проект сегодня запустили: де-факто это сценарий прогресса AI в ближайшие 3 года с 2025 по 2027. Один из авторов - Daniel Kokotajlo - в 2021м написал похожий сценарий по 2026г и, в целом, во многих аспектах попал. Он же рассказал про то, как OpenAI отбирали опционы в случае разглашений после увольнения, и "заставил" их в итоге поменять этот аспект договора

Это не просто science fiction, выводы и сценарии отталкиваются от глубокого ресерча, но все равно это размышления о будущем (как в классическом сценарном планировании). Причем в конце ресерча можно выбрать свой вариант развития событий и посмотреть, что в таком случае произойдет. Я, разумеется, почитал оба сценария, изначально выбрав Race :)

Итак, что же нас ждет?
1) лето 2025 - "спотыкающиеся агенты": в теории работают как или даже лучше людей, пишут код как не в себя, ресерчат интернет обо всем для людей. Но на практике они спотыкаются: ненадежны, дОроги. Но некоторые компании-таки встраивают их в рабочие процессы.

2) конец 2025 - условная компания OpenBrain (любая из топ компаний мира сейчас) строит самый большой датацентр в мире, другие - следуют за ней. Ключевая задача - ускорить AI ресерч (помните, встречу по GenAI, когда мы разбирали отчет Situational Awareness?).

3) лето 2026 - Китай. DeepCent (хорошая пародия на Tencent и DeepSeek) добивается успехов даже с экспортными ограничениями на чипы, отстает от OpenBrain месяцев на 6. Национализируется и централизируется весь AI ресерч, ну и шпионы не бамбук курят, а пытаются своровать веса у OpenBrain.

4) конец 2026 - AI отбирает работу у джуниор разработчиков и не только, но спрос огромен на тех, кто умеет менеджить команды AI агентов и контролировать качество их работы (как раз про эти скиллы мы говорим на курсе AI Product Engineer). Ну и протесты анти-AI-щиков в Washington DC.

Далее читайте сами :)

Я люблю сценарии, потому что они рассказывают яркие истории, которые делают ресерч доступным, "двигают" людей к действию в доступном и понятном нарративе. Поэтому настоятельно порекомендую почитать и потыкать!

Upd: а вот и видео с авторами сценариев у Дваркеша

Выложил отрывок с 1й лекции курса, который стартовал: он как раз по мотивам этого поста

Надеюсь, будет полезно вам! До 2й встречи, которая будет 13 апреля, можно присоединиться к курсу

https://youtu.be/Pds4xcCpUq8

Как заработать триллион

Нет, меня не взломали :-)

Разбираемся: или рынки сильно недооценивают ИИ, или можно заработать триллион. Такой вывод делается в статье “Artificial General Intelligence & Efficient Market Hypothesis”.

Вкратце мысль достаточно проста: текущие долгосрочные процентные ставки будто совсем не верят в трансформационную силу ИИ, как в позитивном (бешеный рост экономики), так и в катастрофическом сценарии (мы все умрем). Слишком умеренные. Поэтому можно сыграть на рынке.

Вообще, об этом парадоксе говорят уже некоторое время. Конечно, никто и не верит, что Мистер Рынок всегда прав, было много случаев, когда он ошибался. Хотя в случае долгосрочных процентных ставок и экономического роста обычно нет, судя по графикам и доказательствам авторов статьи.

А вы как считаете?

Я несколько раз упоминал Дваркеша и его подкасты. Он написал классную книгу про LLM по мотивам своих интервью - проглотил ее просто! Купить можно уже электронную версию или ждать до июля печатной

Как я написал своему другу после прочтения:
«просто купи эту книгу»

Настойчиво рекомендую!

P.S. уже подкрутил курс, чтобы включить в него ряд новых мыслей по мотивам этой книги - самому нравится во что это превращается. Я писал, что курс экспериментальный и для меня это эдакий челлендж по формированию нового знания. Спасибо тем, кто доверился и включился в него!

История DoorDash

Очень понравился эпизод подкаста YC с фаундером DoorDash Тони Ху:
1) как они наблюдали за работой ресторана - прямо ходили весь день за человеком - и увидели книгу "отказанных" заказов и не могли понять, как это так? —> эмпатическое проектирование
2) как сами доставляли товары и это позволяло лучше понять клиентов - мамы с детьми —> do things that dont scale
3) про создание рынка (дать доставку ресторанам, у которых ее нет) vs обслуживание текущего (рестораны с доставкой) —> моя ошибка с RuBeacon, имхо, и разумеется про Кристенсена и подрывные инновации
4) про 3 задачи маркетплейса и как они решали их
5) про "listen to the customer, then run a test" и аналитику - вместо центров городов уход в пригороды и инсайт, что доставка нужна там, где рядом нет ресторанов
6) про сложности с фандрейзом и как 2 раза почти не вышли из бизнеса, про "all you need is one investor to say yes"
7) про органический рост и скейлинг, про необходимость достичь определенного обьема, чтобы экономика сошлась, про то как продвигали своих конкурентов в своей рекламе

И другое

я прямо очень рекомендую, чувак очень глубокий имхо

Как работать с недоверием технологии

Зачастую у компаний побольше нет доверия к новым технологиям: они галлюционируют, ошибаются, не умеют складывать и считать колво букв r в strawberry, и тп. И мы, стартаперы, пытаемся их убедить: кто-то дает ее бесплатно (не делайте так!), кто-то за moneyback guarantee, кто-то - пытается убедить/надавить/продавить.

Для меня неустойчивость LLM чаще напоминает человека: мы тоже иногда галлюционируем, ошибаемся и тп. Как мы решаем это недоверие?
- Human in the loop - ставим контролирующего на проверку результатов работы сотрудника
- Процессы - ставим процессы/чеклисты на проверку и напоминание сотруднику, пытаемся не позволить ему сделать ошибку
- Страхуем - передаем риски третьей стороне

В случае LLM имхо все так же: паттерны для 1 и 2, но вероятно самый непроработанный пока - лишь третий путь. Я начинаю экспериментировать с ним: предлагать неустойку за ошибку. Эдакой SLA agreement, но чуть глубже - посмотрим что выйдет.

А вы как страховали или страхуете риски и, соответственно, недоверие?

P.S. Про 1 и 2 подробно на курсе AI Product Engineer, стартующем в это воскресенье: посмотрим как паттерны, так и как их реализовывать для своих систем

начинаем через 10 минут
подключайтесь: https://pyn-ru.zoom.us/j/98022590982?pwd=GUy0YTWXOJz2f2ec9rkVpSsWluSEM2.1

Если вы используете Hubspot, то нужна ваша помощь, пожалуйста

Мы сделали приложение для Hubspot, которое на текущий момент уже дает детальную инфу по любому контакту (см. пример в аттаче) из публичных источников, но дальше будет больше. Это удобно и для подготовки к звонку с человеком, и просто для более полного понимания что происходит с ним и с его компанией

Не могли бы вы плиз проделать инструкцию и поставить наш апп? Нам это нужно, чтобы пройти ревью приложения в hubspot store

Заранее спасибо большое!

Асимметрия VC и фаундера - Размышления пост

Вы наверняка знаете про асимметрию в размере риска у VC и фаундера:
1) VC использует портфельный подход и параллельно «тестирует» сотни идей, чтобы из нее выстрелило несколько. Назовем это - вширь.
2) Фаундер же вкладывается в одну идею, принимает гораздо больше рисков, и в случае неудачи теряет годы своей жизни. Назовём это вглубь.

Разговорились тут со знакомым о том: а как и фаундеру применить портфельный подход? Может ли в этом помочь AI, снижающий стоимость создания продукта и тестирования оного рынком? Можно ли применить «биологическую эволюцию» и копировать, рекомбинировать, и отбирать лучшие варианты, чтобы не уходить слишком вглубь? Можно ли обмениваться с фаундерами других продуктов долями, эдакое товарищество? Или может есть еще варианты?

Хочется порассуждать как выравнивать эту асимметрию, поэтому велком в комменты

Похожая мысль понравилась из интервью фаундера Harvey:

2 критерия для выбора индустрии для автоматизации при помощи LLM
1) результат деятельности - текстовый? Тут понятно + я думаю, что это было актуально 2 года назад, но сейчас смело можно добавить аудио и картинки, через год-два наверное и видео
2) сколько стоит токен? Типа в корпоративной юриспруденции это очень дорого, например SPA (соглашение о покупке акций) может быть меньше 100 страниц текста, а стоить минимум сотни тысяч долларов

на этой неделе, в четверг сделаем стрим про linkedin вместе с @ProductsAndStartups и @thefutureofwork

это не про то, как писать посты на 200 лайков, или как выстраивать автоматические цепочки аутбаунда.
скорее попробуем сделать реверс-инжиниринг главного продукта и самой компании

подойдет больше для тех, кто строит продукты поверх linkedin или интересуется социальными продуктами

затронем такие темы:

1/ почему linkedin оказался устойчив к демографическим циклам и до сих пор остается единственной рабочей площадкой. кто и когда может прийти на смену?

2/ linkedin и b2b SaaS продукты, построенный поверх соцсети. почти у каждого сейлза — это основной инструмент. но что мешает linkedin самому превратиться в полноценный crm? и почему до сих пор нет? как внутри компании принимаются продуктовые решения, кому давать api, а кому — нет?

3/ контент и linkedin — как он стал главным каналом для b2b бренда и лидгена? и что происходит с приходом генеративного контента?

4/ карьера как продукт
как linkedin формирует представление о карьере? как влияет на поколение профессионалов? как люди используют linkedin для сигнализации статуса: где работают, что пишут, какие сертификаты выкладывают. как это встроено в продуктовые механики?

5/ неудавшиеся эксперименты linkedin
linkedin stories, linkedin events, marketplace — что они пробовали, что не взлетело, и что это говорит о продуктовых гипотезах команды?

приходите — формат свободный, без презентаций, больше из темы продуктовой философии.

время: 27 марта, 17:00 CET
добавить в календарь

fyi - у нас будет стрим с Даней и Женей про LinkedIn, присоединяйтесь

Pull vs Push

Одна из черт, которые отличают новых и матёрых фаундеров, по моим наблюдениям, легко описывается pull vs push.

На старте практически никому нет дела до твоего продукта. Матерый фаундер это знает. Поэтому он каждый день начинает с вопроса: кто еще должен узнать о моем продукте и как эффективнее всего это сделать? Он понимает, что это numbers game и надо просто планомерно этим заниматься.

Новоиспеченный же - ждет, что за него задачу дистрибуции решит акселератор, инвестор, партнер, консультант, директор по продажам. Веря в истории, что чуваки за 30 дней лонча заработали 10М, и с ним будет именно так же. И, за исключением выбросов, эта стратегия ни к чему не приводит. А потом мы делаем пивот.

Как выбрать между жестким алгоритмом и LLM?

Продолжая этот пост про (не)детерминированность я попробовал набросать правила для принятия решения о том, когда юзать конкретный алгоритм, а когда лучше отдать решение LLM - получилось следующее:

1. Для начала надо определиться с тем, что я подразумеваю под каждым понятием:
- детерминированные системы - основаны на жетских правилах, производят один и тот же результат для одних и тех же входных данных. Стабильны, но "жёсткие".
- вероятностые (недетерминированные) системы - учатся на данных, делают статистические "выводы", непостоянные в выходных данных при тех же входных.

2. Критерии для выбора:
- Степень открытости проблемы - насколько хорошо мы можем описать проблему, треюущую одной из 2х систем для ее решения? Насколько неоднозначна проблема?
- Достаточность данных - есть ли достаточно данных (количество и качество) для построения системы, обучающейся на данных?
- Толерантность к ошибке - можем ли мы позволить себе неопределенность в результатах? Можем ли мы застраховать эту неопределенность?
- Стабильность проблемы или окружения, для которой решается проблема
- Нужна ли нам "обьясняемость" решения - то есть, чтобы мы могли обьяснить, как именно мы превратили входные данные в выходной результат?
- Ограничения по времени и иным ресурсам - обычно детерминированные системы требуют значительном еньше ресурсов
- "Оппортунистическое" поведение - действует ли против нас адаптивная система, которая постоянно меняет входные данные, чтобы "сломать" нас?
- Нужно ли для решения проблемы "общее знание" (common sense) или решение ограничено малым количеством возможных ответов?

Список неполный - буду рад за фидбек как по текущим критериям (важный или неважный, может нужно докрутить), так и по нехватающим.

P.S. Об этом, кстати, будем говорить на курсе, стартующем в следующие выходные

Мои впечатления про новые тулы от OpenAI
1) попытка подсадить новых AI Agent разработчиков на себя, так называемый vendor lock-in
2) дорого
3) но очень легко и просто

Детали в презентации, по которой делал доклад по теме; записи нет, но я скоро проведу онлайн по этой и предыдущим темам

AI компании

Помните этот слайд из моей прошлогодней лекции? у Дваркеша вышло интересное эссе с рассуждениями о том, как будет выглядеть AI компания.

И, хотя мне кажется, что он все равно размышляет в терминах квадранта "automation" (turn capital to compute to talent) мне особо нравится несколько поинтов:
1) Про снижение трансакционных издержек и челлендж фундаментальных принципов, на которых основана теория фирмы, или проблема принципала-агента, или экспоненциальный рост затрат на коммуникацию
2) фреймворк, в котором он написал статью (copy, merge, scale, distill, evolve) напомнил мне лекции из Singularity University, когда мы говорили о преимуществах digital над analog (нулевые затраты на чтение, запись, передачу; возможность рекомбинировать и предрасположенность к алгоритмизации/оптимизации, моделированию и симуляции)

P.S. Присоединяйтесь порассуждать и об этом в экспериментальном курсе про ai product engineer

Некоторые спрашивали про этот доклад - записи нет, но выкладываю презентацию

Понимаю, что без видео не особо понятно о чем дека, но ниже краткое описание
Highlights of the presentation include:
1) The current state of AI across multiple modalities: text, voice, video, robotics, and more.
2) Insightful frameworks like "Feel → Think → Act" illustrating how AI perceives, processes, and interacts with its environment, from online to offline contexts.
3) Case studies demonstrating AI performance at or above human expert levels in tasks such as image recognition and speech transcription.
4) An exploration of future trends, including physical scaling of AI capabilities and advancements from algorithmic progress and the removal of bottlenecks (unhobbling).
5) Economic perspectives on AI, including discussions on technological revolutions, value distribution, and the transition from traditional economies to AI-driven autonomous enterprises.
6) Insights into enterprise software and its evolving needs for unification, adaptation, and control in an AI-driven landscape.

Feel —> Think —> Act

Делал на днях очередной доклад про прогресс genai и предложил такой фреймворк для того, чтобы следить за ключевыми изменениями:
1) Feel - как при помощи AI компьютеры все лучше видят и слышат (а далее, я думаю, и другие органы чувств)
2) Think - как компьютеры учатся думать (фреймворк fast & slow thinking Каннемана)
3) Act - как компьютеры учатся действовать онлайн (computer/browser use) и оффлайн (роботы)

Мне кажется, удобная система чтобы собирать ключевые события/прорывы - м?

Я уже некоторое время пишу мысли про то, как меняется разработка продуктов в эру GenAI: роль программиста и продакта совмещается, продукты становятся более гибкими, цикл итераций ускоряется. В том числе с вашей помощью решил сделать про это курс, описание и программа ниже.

Сразу замечу, что курс экспериментальный, ничего подобного я на рынке не встречал, это будет скорее "совместный поиск, размышления и конкретные эксперименты", нежели "готовые знания на блюдечке". Мы все тут первопроходцы сейчас.

===

Курс AI Продакт Инженер

Ключевые темы:
1) От написания кода к управлению границами продукта - как меняется разработка софтерных продуктов. Смотрим на конкретном примере: кодим одну и ту же задачу традиционными методами и при помощи GenAI.
2) Агентское поведение - ключевой навык в эпоху, когда у тебя в распоряжении миллионы PhD, не знающие ни сна, ни отдыха. Как понять, что делать? Как развивать агентскость в себе?
3) Как учиться у клиентов при помощи GenAI и переводить это знание в промпты
4) Уровни автономии GenAI агентов и паттерны их проектирования
5) Работа с недетерминированностью и проектирование новых систем контроля
6) Программист + продакт и как ускорить цикл обучения у рынка и клиентов

Для кого?
1) Продакт-менеджеры с сильным техническим бекграундом, выросшие из разработчиков
2) Разработчики со страстью к продукту, пользователям, бизнесу, и дизайну

Важно: у вас ОБЯЗАТЕЛЬНО должны быть навыки программирования. Мы будем на конкретных примерах "щупать" разницу между разными парадигмами программирования.

Продолжительность
2.5 мес: старт 30го марта (можно присоединиться к курсу до 13 апреля)
5 встреч по воскресеньям с 16 по 18мск + 2 office hours с разбором ваших вопросов и задач

Стоимость:
$300 - оплатить можно вот здесь, есть возможность оплаты криптой - напишите мне в личку.

Ключевые слова:
LLM, genai, ai agents, human agency, generative coding, non-determinism, cursor, replit, bolt, lovable

P.S. Программка тут

А вот и обьяснение про эту ситуацию (отказ от Salesforce и не только) от фаундера и CEO Klarna.

Вкратце:
1) они хотели унифицировать данные в одном месте: разбросанность данных по разным SaaS значительно усложняла получение полезных инсайтов при помощи AI и повышения производительности. Data = knowledge
2) они построили свой стек (neo4j!)
3) и случайно на одном из звонков он проговорился, запись утекла в прессу.

Key to our explorations became the conclusion that the utilization of SaaS to store all forms of knowledge of what Klarna is, why it exists (docs), what it tries to accomplish (slides, tickets, kanban boards), how it is doing (sheets, analytics), who is it dealing with (CRM, supplier management), who works here (ERP, HR) and what it has learnt was fragmented over these SaaS—most of them having their own ideas and concepts and creating an unnavigable web of knowledge that required a tremendous amount of Klarna specific expertise to operate and utilize.

We also recognized that enterprise software has a standard set of features that are vital for it to operate—features such as audit, versioning, access and edit management, and similar universal needs. We need them as well, but that fragmentation again adds friction, admin overhead, and more.

So, we decided to start consolidating; to put things together, connect our knowledge, and remove the silos. The side consequence of this was the liquidation of SaaS—not all of them, but a lot of them. And not for the license fees, even though those savings have been nice, but for the unification and standardisation of our knowledge and data.

So no, we did not replace SaaS with an LLM, and storing CRM data in an LLM would have its limitations. But we developed an internal tech stack, using Neo4j and other things, to start bringing data=knowledge together.

Ultimately, we found this very interesting, but more importantly starting seeing serious productivity gains. We allowed our internal AI to use this knowledge, and we realised with the help of @cursor_ai we could quickly deploy new interfaces and interactions with it.

OpenAI тестирует чувствительность к цене и новые фичи

P.S. Meeting bot o__O

Иногда для подготовки презентаций или докладов очень нужны последние бенчмарки и диаграммы про LLM - пожалуй, один из лучших источников - вот этот Twitter аккаунт "Artificial Analysis"

Просто зашерю пару последних диаграмм для иллюстрации

Делегирование – утрата контроля или новая возможность?

На зумбаре founder school вспомнил про этот кейс, который я написал очмного лет назад про самого себя

Борисов Борис – новоиспеченный руководитель проектов, которого совсем недавно повысили с должности ведущего разработчика. Вот уже 3й год он работает только на одном проекте: выделенный центр разработки из 8 человек (5 разработчиков + 2 QA + PM) для одного из западных клиентов компании. Но в перспективе ему хотят дать в руководство и другие проекты, поэтому директор по разработке Иванов Петр решает поговорить с Борисом на сей счет и приглашает его на дружескую беседу в переговорную “Минск”.

Иванов Петр – директор по разработке компании, лично ратовал за promotion Бориса, и принимал его на работу много лет назад. Считает Бориса своим protégée

Остальное - в аттаче. Если хотите, то напишите в комментариях свои ответы на вопросы в конце кейса. Если планируете юзать chatgpt, то сначала попробуйте ответить сами, а потом уже просите дружбана помочь - так лучше зафиксируется свое знание и точка роста

P.S. Для коллег из VDI/EPAM —> все персонажи вымышлены, все совпадения - случайны 😉

в consumer поиске и в social сработал "winner takes all" паттерн, хотя сначала было много игроков

Картинка из свежего BGsquared подкаста

произойдет ли такое же в consumer AI assistant? Я считаю, что да и это будет именно openai в западном мире, а вы?

P.S. замерим через 5 лет

Будущее наступило: Starlink на Qatar Airways

Streaming, zoom, и все что душе угодно

Утро вечера мудренее

Один совет себе молодому руководителю: не принимать решения здесь и сейчас, если есть такая возможность.

Я много грешил этим. Увольнял в моменте. Говорил правду в лицо. Увольнялся.

Но сейчас, постоянно узнавая, насколько контекст, физическое состояние, окружение влияют на нас в моменте я понимаю, что ты не имеешь право не отложить решение, если ситуация позволяет.

Я думал, что это слабость - не принимать решение сразу. Думал, что потеряю себя, предам свои ценности.

Но сейчас вполне уверенно могу сказать, что это все вздор.

Если есть возможность отложить решение - отложите. Выведите себя в другое состояние, в другой контекст, и взгляните вновь на ситуацию.

Не спешите жить!

Ваш капитан очевидность

Прикольно видеть, как лидеры мнений меняют свое мнение про agency - я писал про важность этого много раз, в том числе в этом посте про найм и в недавнем выступлении про gen ai.

Главный вопрос - как это развивать? Я кручу этот вопрос уже некоторое время и скоро будет анонс по теме, а пока вот цитаты:

Agency > Intelligence

I had this intuitively wrong for decades, I think due to a pervasive cultural veneration of intelligence, various entertainment/media, obsession with IQ etc. Agency is significantly more powerful and significantly more scarce. Are you hiring for agency? Are we educating for agency? Are you acting as if you had 10X agency?

— Andrej Karpathy

Intelligence is on tap now so agency is even more important
— Garry Tan

Ого! Еще 500 миллиардов на AI и не только от Apple!

https://www.linkedin.com/feed/news/apple-to-hire-20000-us-workers-7184114

Не гадай, а найди того, кто знает

Вчера болтали с классными фаундерами и обсуждали такую ситуацию: они парсят и эмулируют работу пользователей на одном сайте-агрегаторе и их постоянно блочат. И мы размышляли какие эвристики надо применить, чтоыб поведение бота было больше похоже на настоящее (сайт не хочет договариваться по хорошему)

Но потом возникла мысль, что надо просто найти разработчика из этой компании и нанять/расспросить его про механизмы защиты от ботов )

Иногда самый простой способ - не гадать, а спросить у тех, кто знает. Например, как выше, или у своего пользователя, откуда он пришел или почему сделал так, как сделал

удачи нам, экономическим исследователям (привет Полу Грэму)

Подшаманили звук в соответствии с вашим фидбеком и, кажется, получилось получше - м?

новое видео тут:
https://youtu.be/lo8Qd1U8-UQ

"Enterprise does not need a model, Enterprise needs an outcome"

Это слова Аарона Леви, CEO Box из свежего подкаста YC. Вообще, мне часто в последнее время доводится и говорить, и размышлять на тему. Безусловно, в b2b легче обьяснить, как защититься от того, что разработчики LLM просто добавят вашу фичу нативно в модель или в свой продукт: вам надо интегрироваться с B2B системами, продуктами, регулированием. Для b2c же часто ответ вида - слишком нишевая, читай <1B, аудитория (frequent flyers) или слишком высокие риски для репутации (character.ai).

Но, делая продукты в b2b, я вижу еще 3 важных критерия для b2b продуктов - приведу их в метафоре промптинга моделей:
1) унификация - вся компания должна промптить одинаково
2) адаптация - все промпты должны иметь единый и правильный контекст
3) контроль - контроль как за аутпутом моделей для последующего улучшения этого же аутпута, так и с точки зрения его использования для взаимодействия с внешней средой. Контроль даунсайда и владение апсайдом

Руководители бизнеса не хотят, чтобы каждый сотрудник по своему промптил chatgpt на стиль и контент сообщений
Руководители бизнеса не хотят, чтобы недоступность/забывчивость какой-то важной инфы для заданного сотрудника снижала качество общей выдачи компании
Руководители бизнеса не хотят, чтобы результаты аутпута модели неконтролируемо просачивались во внешнюю среду: как с точки зрения бренд соображений, так и конкуренции.

Поэтому, как Аарон и говорит, думать об угрозе со стороны openai/anthropic/etc проще в режиме b2b, чем b2c. На школе фаундеров я призываю b2c участников хотя бы допустить мысль о точке в пространстве b2b, поразмышлять в стиле "что если", чем бросаться сразу пилить. Потому что есть важный закон систем:
"Информация появляется в сравнении"

А подкаст рекомендую - Аарон прикольно размышляет про genAI и влияние на b2b в твиттере, на подкасте он суммировал основные мысли за последнее время

О результатах и отсутствии оных

Интересное наблюдение: чем опытнее руководитель, тем больше он думает в терминах «обьем нового знания на затраты денег/времени» вместо просто «где результат?». Поэтому для него отсутствие результата это тоже результат, если из него сделаны выводы и намечены дальнейшие эксперименты.

Это не значит, что результат не важен, я не об этом. Я о своей «джуниорской» позиции, что лишь позитивный результат - это хорошо для заданной деятельности.

Посмотрите на это фото внимательно: что на нем происходит? Что будет или может произойти? А что если вы - водитель автомобиля? А если собака была бы на поводке у мужчины, а не женщины?

Моя любимая Мелани Митчелл написала классную 2х серийную статью про один из центральных споров в LLM: формируют ли LLMки внутреннюю модель мира (как мы при взгляде на фото выше), помогающие нам прогнозировать ситуацию на более скомпрессированном, абстрактном и энергетически-эффективном уровне, или они просто, благодаря безумному количеству параметров, запоминают эвристики/правила, но не формируют реальной картины мира.

Лагерь ML ресерчеров разделился практически 50/50: одни утверждают, что да, формируют (Илья Суцкевер, например), другие - обратное (Ян ЛеКунн из Meta).

Tldr: пока, кажется, это лишь набор эвристик. Почитайте обязательно, чтобы лучше понимать, чего стоит ожидать от LLM и чего - нет. Например, если это большая коллекция запомнившихся эвристик, то не стоит ожидать оригинальных решений от нее (говорил недавно на этом выступлении).


Мое мнение:
1) что можно дропнуть пункт про энергетическую эффективность пока
2) что есть миллиард ситуаций, где большая коллекция эвристик - уже более чем достаточно для эффективной замены человеческого труда и на этом нам, практикам, пока надо сфокусироваться
3) надо управлять ожиданиями (в первую очередь, своими!) о том, чего ожидать от LLM.

Интересная мысль-аналогия из подкаста 25 years at Google - ушел думать

Когда вы покупаете книгу, вы платите около бакса за 10 тыс токенов, с LLM же за ту же сумму вы получаете 1млн токенов

Поэтому главный вопрос: можем ли мы сделать LLM настолько умной, чтобы в пересчете на 1000 токенов мы были готовы платить в 100 раз больше, как за книгу, или в тысячи раз больше - как за программиста

Мое недавнее выступление в Алматы: "GenAI - State of the Union", где я говорил про то, что уже возможно благодаря GenAI и что нас ждёт в ближайшие годы, а также почему агентское поведение (агентность) - ключевой навык в эру, когда у каждого будут миллионы PhD в загашнике.

Более детальные таймкоды:
00:00 - интро
02:02 - xrai glass
04:15 - Gartner Hype Cycle
08:36 - AI news
09:09 - Platform Shift
10:56 - кривая производственных возможностей
17:38 - IQ test results
25:30 - AI пишет код
31:52 - AI видео
36:46 - роботы
39:14 - AI исследования
45:30 - Automation vs Augьentation
50:59 - Future of Work
53:30 - AI агенты

Enjoy и спасибо коллегами из Most IT Hub за то, что захостили! Хотели митап, а получился - Митап :-)

P.S. презентация тут

UPD: заменил ссылку на видео с улучшенным звуком

В июне прошлого года я рассказывал про отчет Situational Awareness - решили выложить запись той встречи. Думаю, что вам будет интересно посмотреть/пересмотреть: удивительно, как сбываются некоторые предсказания и про наращивание компьюта (stargate + анонсы инвестиций от гиперскейлеров), и про алгоритмические прорывы (deepseek), и про unhobbling (reasoning модели)

https://youtu.be/2phugrQKors

enjoy, like & share :-)

3 наблюдения про AI экономику

Сэм Альтман поделился 3мя наблюдениями об экономике AI:
1) Интеллект модели примерно равен логарифму ресурсов, затрачиваемых на его тренировку и выполнение - я, если честно, до конца не догнал. Мне понятен стейтмен а ля пропорционален, но почему логарифм? В чем измеряются ресурсы и интеллект?

2) Каждые 12 мес цена падает в 10 раз - я писал про это раньше: надо закладывать это в ваш бизнес и спокойно делать дорогие операции, понимая что к моменту выхода в продакшн и скейлинга, цена уже станет адекватной. И учитывайте в ценообразовании, разумеется

3) Социально-экономическая ценность линейно растущих способностей ИИ - суперэкспоненциальна. Поэтому выгодно экспоненциально инвестировать в его развитие.

Далее он рассуждает про, как раз, coding агента. Скажу честно, когда Сэм тизерил в ближайшее время их первого агента, в твиттере я предположил, что это будет coding, но оказалось deep research. Но я жду :-)

И было очень приятно читать про важность agency и желания что-то менять, имея в армии миллионы PhD —> именно про это в воскресенье я говорил на лекции в Алматы. Скоро выложу видео

Экономический индекс Anthropic

Прикольную тему анонсировал Anthropic: свой экономический индекс. Это такой индикатор эффекта внедрения LLM в экономику и на рынок труда по мотивам задач, для которых юзают модельки Anthropic.

Наиболее популярные, ожидаемо, задачи кодинга. Далее редактирование отчетов/докладов/ресерчей. Потом редактирование текстов/надписей. Может потенциально стать источником идей продуктов, но для этого надо глубже изучить, я покопаю на этих или следующих выходных

YC конфа

В июне YCombinator устраивает конференцию: участие бесплатное, но нужно пройти отбор. Это исключительно для computer science людей, так что если вы таковой, то смело подавайтесь. Будет Илон, Сэм, Карпатый, Наделла и другие топовые чуваки

https://events.ycombinator.com/ai-sus

Кстати, даже оплачивают $500 на билет

Вспомнил сегодня историю: уроки пения в школе. Учитель мне поставила 5 за куплет из какой то песни. В следующий урок она попросила меня перепеть и поставила 2. Я допускаю, что я мог за неделю серьезно «просесть»… но я то сам знал, что нет.

Я тогда очень ярко почувствовал субьективность оценок. И, конечно, опасную важность фидбека учителя.

Сейчас поем с друзьями в караоке и я понимаю, что та ситуация до сих пор во мне. Но, что я хотел бы: чтобы нам попадалось меньше таких «фидбеков», что мы получали, и давали фидбеки, что развивают, а не стагнируют; что вдохновляют, а не останавливают; что делают тепло, а не смущение.

Давайте будем внимательнее и не забывать, что контекст и условия достаточно сильно влияют на ВОСПРИЯТИЕ результата

Voice Агенты

Отличный обзор voice агентов от a16z, де факто продолжение этой статьи.

Мне особо зашла картинка эта про основные юзкейсы:
1) обработка звонков в нерабочее время
2) звонки, которые не делаются, по экономическим причинам
3) бекофис звонки
4) звонки, которые «стремно» делать :-))

Отличный read от «мудреца» O’Reilly про то, почему программисты будут нужны еще больше:

https://www.oreilly.com/radar/the-end-of-programming-as-we-know-it/

Не знал про CHOP - chat-oriented programming :-)

Вкратце вся статья: навык программирования становится более доступным/дешевым, non-consumers становятся consumers (выражаясь терминами Кристенсена), спрос вырастет, так было и раньше

Но она стоит того, чтобы прочитать полностью!

Митап в Алматы

Я буду в Алматы в конце недели: добавляйтесь в эту группу, кто хочет встретиться - можем сделать небольшой митап в воскресенье 9го февраля

В прошлом году не удалось, но в этом поступил на Network School v2 - рекомендую всем, кто хочет создать/создаёт свое сообщество

Очень рад! Надеюсь, увижусь с кем-то из вас там в марте!

OpenAI Deep Research

Я выше писал про Gemini Deep Research, вот и ответ OpenAI с таким же названием o__O

Попробовал на той же задаче с конкурентным анализом + на задаче поиска subscription бизнесов, о которой также писал недавно - мои впечатления:
1) В Google мне понравилось, что перед стартом он показывает план ресерча и позволяет тебе скорректировать. OpenAI же этого не делает, но уточняет детали: а ля бизнесы в какой локации искать или по какому аспекту сравнивать конкурентов.
2) Я понимаю все про загрузку и тп, но у Google все работало гораздо быстрее и без ограничений а-ля "ваш ресерч поставлен в очередь"
3) Результат OpenAI мне очень понравился, вышло сильно глубже и качественнее, чем Gemini. Думаю, что это потому что он реально "прочитывает" страницы. Google наверняка берет из своего индекса. Правда, при экспорте в CSV он почему-то потерял 2/3 результатов по задаче с поиском бизнесов, ну это проблема уже не DeepResearch. Конечно, экспорт у Gemini сразу в Google Docs сильно удобнее
4) Gemini быстрее решал такие же задачи раза в 3-4, но, опять же, возможно из за пункта про "прочитывание".

В общем, это хорошо, но не вау имхо. Все это в той или иной степени уже было у конкурентов или open source; даже в o3-mini + web search можно было получить схожие результаты

Гибкие Продукты

Я уже писал, что по моим ощущениям происходит огромный сдвиг в разработке продуктов: от детерминированного описания и поддержки юз-кейсов мы переходим к гибким llm-managed продуктам, которые «налету» могут поддержать юзкейс или edge case, который мы не закладывали или о котором даже знать не знали.

Например, недавно был шокирован тем, как модель решила, что зарплата человека не указана в linkedin, но он работает на определенной позиции в Швейцарии, а зарплаты этих людей публикуются в специальном реестре, поэтому она сходит туда и получит примерную вилку зп. Разумеется, я ни о чем таком ее не просил в явном виде.

И это все меня приводит к нескольким мыслям:
1) традиционно продакт менеджер продумывает юзкейсы, принимает решения, какие из них поддерживать, а какие можно проигнорировать, так как это усложнит продукт и/или он о них даже не знает. О тех, что не знает, он учится на фидбеке от юзеров, и вновь принимает решение, что войдет в продукт, а что - нет.

2) теперь же выходит, что мы как продакты скорее будем описывать бизнес-область продукта, очерчивать доступные инструменты модели, критерии принятия решения, поднимаясь по уровням абстракции. Мы скорее CEO, чем линейный менеджер или исполнитель. Как это правильно делать - нам еще предстоит понять и научиться

3) продукты будут более гибкими, поэтому имхо их будет становиться меньше, а поддерживаемых юзкейсов - больше. Причем именно длинный хвост юзкейсов. Ведь классически происходило так, что есть «широкие» продукты, удовлетворяющие основные юзкейсы широких масс людей, и «узкие» - сфокусированные на edge case-ах, но для аудитории, готовой за это достаточно платить. Теперь же, с этими «финтами ушами», когда налету поддерживается юзкейс, «широкие» продукты смогут относительно «дешево» прорастать вглубь.

4) Дистрибуция будет играть еще более важную роль. Я опасаюсь, что мест на рынке будет все меньше, а «power law» продуктов будет еще более выраженным.

М?

Сизифово счастье

Камю как-то сказал, что Сизифа следует представлять счастливым. Вы наверное помните про Сизифа, который катит в гору тяжелый камень, который, едва достигнув вершины, скатывался вниз. Мне предпринимательство порой представляется таким же.

И я заметил, что многие вокруг считают Сизифа предпринимателя несчастливым или сумасшедшим: близкие и не очень люди. Пытаются помочь, перенаправить, убедить делать другое, пожалеть.

Хотя, может, как завещал Камю, нам просто следует считать Сизифа фаундера счастливым?!

o3-mini

Мне выкатили o3-mini —> удивительно, но оно хуже на вот таком таске:
1) у нас есть транскрипт разговора, где выявлены спикеры (диаризация), но мы не знаем кто есть кто
2) у нас отдельно есть список людей, что были на звонке, но не все они обязательно говорили
3) надо заматчить спикеров с участниками звонка

o1 на этой задаче выдал более верный результат. Погоняю на других тасках, когда появится в API

Неожиданно о дешевом искусственном интеллекте

Неожиданный кейс: допустим, вы автоматизируете LinkedIn-рассылку, а у человека в имени указана англоязычная версия (например, "Heng (Henry)"), произношение ("Burcu (Bur-ju)") или даже эмодзи (да, некоторые реально используют эмодзи в имени на LinkedIn).

Дешёвые модели могут легко исправить это с помощью простого промпта:
Given the prospect's first name from LinkedIn profile, return the most appropriate name to use in a message. If the name is not clear, return the first name only. Return only the name, no other text. First name: {name}

Вроде бы мелочь, но сообщение уже не звучит как написанное автоматически.

А вот и свежий список идей стартапов от YC и Conviction:
1) YC - из интересного: AI App Store, AI Personal Staff, Browser & Computer Automation, ну и, разумеется, Vertical Agents. что прикольно, что на этот раз они по каждому блоку сняли небольшой ролик. Вот, например, про App Store
2) Conviction - очень зашла мысль про "Just Go Live", даже обсужали ее во внутреннем чатике, 3D генерация, и идея про выкуп бизнесов и замену людей AI тулами, о которой писал ранее.

В общем, выбирайте понравившееся и just go live :)

3 года. От идеи до запуска прошло 3 чОртовых года. 2 войны, переезд и куча других приключений.

Так начинается история одного из участников 1го потока школы фаундеров - Миши Дайхина - о работе над стартапом, уроках и советах самому себе —> думаю, будет полезно тем, кто размышляет над или уже делает стартап. Я особенно рад, что он смог сам сделать MVP и запустить-таки проект! Удачи, после запуска все только начинается :)

Ниже продолжение:

====

3 года.
От идеи до запуска прошло 3 чОртовых года. 2 войны, переезд и куча других приключений.
Но у самурая нет цели, только путь :)
Я решил изменить найм as we know it и делаю это так, как получается.

- Могло бы быть лучше? — вероятно. Но ещё точно будет :)
- Могло бы быть быстрее? — однозначно.
- Могло бы быть дешевле? — не уверен.

Кстати, если хотите избавиться от перфекционизма — станьте фаундером стартапа :)
Для меня позволить себе несовершенство было тяжёлым процессом. Даже мой прошлый предпринимательский опыт требовал очень точных и проработанных решений (в финтехе ошибки очень дорого обходятся).

Сложнее мне далось только определение объёма MVP. Когда ты все увидел, продумал и даже описал до большого результата, отпиливать кусочки очень больно. Почти физически.

В момент, когда я уже понял и свыкся с тем, что именно положить в MVP, Байрам объявил набор в первую школу фаундеров. Мы знакомы 10+ лет, но я решил, что нужен взгляд со стороны и записался.

Несмотря на то, что я программист по образованию, за жизнь не написал ни строчки кода после диплома. Всё время работал со стороны бизнеса. А с поиском СТО в WIP пока не справился. Где-то сам виноват, где-то не сложилось у кандидатов.

Так Школа оказалась финальным толчком к тому, чтобы на все плюнуть и сделать MVP самому.
В итоге зоопарк no-code tools, Claude, ChatCGT, такая-то матерь, 3 месяца и около 200 баксов на оплату сервисов помогли запилить то, что приглашаю вас попробовать на wip.expert

WIP is a community-driven recruitment platform that minimizes hiring time and errors using the unique blend of Web3-tech, behavioral and monetary incentives for companies & talents.

В прототипе пока нет блокчейна, но основные аспекты идеи реализованы — платные referrals, KYC, открытый маркетплейс баунти.
Главное — крутые вакансии inDrive, Wallet, Planner 5D and more to come :)

Так что смотрите, рекомендуйте проверенных коллег, зарабатывайте баунти до $8000.
С промокодом EDU20 скидка $80 на оплату stake.

Кстати, расскажите знакомым про размещение вакансий на WIP. За это полагается пожизненная комиссия :)

Еще Байрам посоветовал прокатиться на машине времени сформулировать советы самому себе 3 года назад.
Попробую:
— первое, что приходит в голову, надо было меньше думать, а больше делать сразу. Но на самом деле я вижу большую пользу в том, что картина будущего у меня в голове и в файлах целиком.
— надо было меньше упарываться по презентации, дизайну и т.п. Но что поделать, люблю красивое :)
— не стоило надеяться на привлечение инвестиций без прототипа. Это было зря потраченное время и куча энергии. Неожиданно, это принесло большой психологический эффект, но он не компенсирует время (6+ месяцев)
— надо было раньше принять решение, что MVP будет без блокчейна. Хоть это и снижает задуманную ценность для клиента, но позволило взяться за MVP самому. Справедливости ради, все tools и, конечно, AI сделали гигантский скачок в качестве за последнее время. Раньше их могло бы не хватить для реализации замысла.
— надо было раньше начинать продавать и точно постараться не делать первые контакты в 4 квартале года.

Если интересны подробности или опыт, список no-code и т.п — пишите в комментах, может соберусь на отдельный пост или даже видос.
А захотите поучаствовать в проекте — welcome в личку.

Make hiring great again!